Relation3DMOT:利用深度亲和度从视图聚合进行三维多目标跟踪
计算机视觉与模式识别
2020-11-26 v1
摘要
自主系统需要在三维空间中定位并跟踪周围物体,以实现安全的运动规划。因此,三维多目标跟踪(MOT)在自主导航中起着至关重要的作用。大多数 MOT 方法采用检测即跟踪流程,包括目标检测与数据关联处理。然而,许多方法在 2D RGB 序列中检测目标进行跟踪,在三维空间定位目标时缺乏可靠性。此外,在不同帧中学习具有时间一致性的判别性特征仍然具有挑战性,且亲和度矩阵通常从独立的目标特征中学习,未考虑不同帧中检测目标之间的特征交互。为解决这些问题,我们首先采用联合特征提取器融合分别从 2D RGB 图像和 3D 点云捕获的 2D 与 3D 外观特征,然后提出一种名为 RelationConv 的新型卷积操作,以更好地挖掘相邻帧中每对目标之间的相关性,并学习深度亲和度矩阵用于后续数据关联。我们最终提供了广泛的评估,表明我们提出的模型在 KITTI 跟踪基准上达到了最先进的性能。
引用
@article{arxiv.2011.12850,
title = {Relation3DMOT: Exploiting Deep Affinity for 3D Multi-Object Tracking from View Aggregation},
author = {Can Chen and Luca Zanotti Fragonara and Antonios Tsourdos},
journal= {arXiv preprint arXiv:2011.12850},
year = {2020}
}